Mission 1_2 : Nettoyage et résumé des données des élections présidentielles 2017, 2e tour

• Nettoyage et amelioration de la ou les tables
• Résumé des données 1 : nombre de communes, circonscriptions, bureaux de vote, candidats
• Résumé des données 2 : Participation
• Résumé des données 3 : classement des departements en proportion de nombre d'abstentions,de votants,de blancs,de nuls, d'exprimés
• Résumé des données 4 : classement des candidats par voix
• Résumé des données 5 : liste des departements avec candidats vainqueur
• Résumé des données 6 : nombre de départements remportés par candidats

Sommaire // Mission 1_2 ✉️

• 1.Importation des librairies et parametres df
• 2.Importation des fichiers CSV
• 3.Nettoyage des différentes tables
  • 3.1.data_p8_2tour
    • 3.1.1.Valeurs manquantes, nulles et NA
      • 3.1.1.1.Corrections des valeurs manquantes, nulles et NA
    • 3.1.2.Doublons
    • 3.1.3.Outliers, valeurs abberantes et atypiques
• 4.Résumé des données
  • 4.1.Nombre de communes, circonscriptions, bureaux de vote, candidats
  • 4.2.Participation
  • 4.3.Classement des departements en proportion de nombre d'abstentions, de votants,de blancs,de nuls,d'exprimés
    • 4.3.1.Abstentions
    • 4.3.2.Votants
    • 4.3.3.Blancs
    • 4.3.4.Nuls
    • 4.3.5.Abstentions
  • 4.4.Classement des candidats par voix
  • 4.5.Liste des departements avec candidats vainqueur
  • 4.6.Nombre de départements remportés par candidats

1.Importation des librairies et parametres df

#j'importe les librairies qui vont me servir plus tard
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import plotly.express as px
import plotly.io as pio

#Je definis le nombre de lignes max affichées sur None
pd.set_option("max_rows", None) 
pd.set_option("display.precision",7)

2.Importation des fichiers CSV

#Je charge tous les fichiers csv
data_p8_2tour = pd.read_csv("C:/Users/33643/Desktop/P8 perso/election-presidentielle-2017-resultats-par-bureaux-de-vote-tour-2.csv",sep=';',encoding='utf-8-sig',decimal=",")

#J'affiche une phrase si l'import est reussi
print("Fichiers chargés avec succes!")

Fichiers chargés avec succes!

3.Nettoyage des différentes tables

3.1.data_p8_2tour

data_p8_2tour.head()

	Code du département	Département	Code de la circonscription	Circonscription	Code de la commune	Commune	Bureau de vote	Inscrits	Abstentions	% Abs/Ins	...	Voix	% Voix/Ins	% Voix/Exp	Code Insee	Coordonnées	Nom Bureau Vote	Adresse	Code Postal	Ville	uniq_bdv
0	02	Aisne	3	3ème circonscription	308	Fesmy-le-Sart	0002	119	12	10.08	...	30	25.21	31.25	02308	50.046602,3.698913	Mairie Annexe de LE SART	NaN	2450.0	Fesmy-le-Sart	Mairie Annexe de LE SART - Fesmy-le-Sart
1	78	Yvelines	10	10ème circonscription	517	Rambouillet	0008	926	146	15.77	...	198	21.38	28.57	78517	48.653444,1.858915	Ecole primaire Clairbois	4 rue du Clos Batant	78120.0	Rambouillet	Ecole primaire Clairbois - Rambouillet
2	2B	Haute-Corse	1	1ère circonscription	33	Bastia	0024	1051	434	41.29	...	371	35.30	63.97	2B033	NaN	NaN	NaN	NaN	NaN	NaN
3	24	Dordogne	2	2ème circonscription	37	Bergerac	0010	843	232	27.52	...	374	44.37	68.75	24037	44.841728,0.49727000000000005	École Suzanne Lacorre	NaN	24100.0	Bergerac	École Suzanne Lacorre - Bergerac
4	64	Pyrénées-Atlantiques	1	1ère circonscription	335	Lescar	0007	779	153	19.64	...	390	50.06	70.78	64335	43.331164,-0.413182	Complexe sportif Victor Hugo	Rue Maurice Ravel	64230.0	Lescar	Complexe sportif Victor Hugo - Lescar

5 rows × 35 columns

#Je verifie le nombre de lignes et de colonnes
data_p8_2tour.shape

(138510, 35)

#J'affiche le nom des colonnes
data_p8_2tour.columns

Index(['Code du département', 'Département', 'Code de la circonscription',
       'Circonscription', 'Code de la commune', 'Commune', 'Bureau de vote',
       'Inscrits', 'Abstentions', '% Abs/Ins', 'Votants', '% Vot/Ins',
       'Blancs', '% Blancs/Ins', '% Blancs/Vot', 'Nuls', '% Nuls/Ins',
       '% Nuls/Vot', 'Exprimés', '% Exp/Ins', '% Exp/Vot', 'N°Panneau', 'Sexe',
       'Nom', 'Prénom', 'Voix', '% Voix/Ins', '% Voix/Exp', 'Code Insee',
       'Coordonnées', 'Nom Bureau Vote', 'Adresse', 'Code Postal', 'Ville',
       'uniq_bdv'],
      dtype='object')

#Je supprime les colonnes non utiles
data_p8_2tour = data_p8_2tour.drop(columns =['N°Panneau','Code Insee','Coordonnées','Nom Bureau Vote','Adresse','Ville','uniq_bdv','Code Postal'])
data_p8_2tour.head()

	Code du département	Département	Code de la circonscription	Circonscription	Code de la commune	Commune	Bureau de vote	Inscrits	Abstentions	% Abs/Ins	...	% Nuls/Vot	Exprimés	% Exp/Ins	% Exp/Vot	Sexe	Nom	Prénom	Voix	% Voix/Ins	% Voix/Exp
0	02	Aisne	3	3ème circonscription	308	Fesmy-le-Sart	0002	119	12	10.08	...	1.87	96	80.67	89.72	M	MACRON	Emmanuel	30	25.21	31.25
1	78	Yvelines	10	10ème circonscription	517	Rambouillet	0008	926	146	15.77	...	2.69	693	74.84	88.85	F	LE PEN	Marine	198	21.38	28.57
2	2B	Haute-Corse	1	1ère circonscription	33	Bastia	0024	1051	434	41.29	...	1.62	580	55.19	94.00	F	LE PEN	Marine	371	35.30	63.97
3	24	Dordogne	2	2ème circonscription	37	Bergerac	0010	843	232	27.52	...	2.95	544	64.53	89.03	M	MACRON	Emmanuel	374	44.37	68.75
4	64	Pyrénées-Atlantiques	1	1ère circonscription	335	Lescar	0007	779	153	19.64	...	3.99	551	70.73	88.02	M	MACRON	Emmanuel	390	50.06	70.78

5 rows × 27 columns

La suppression de certaines colonne me permet d'éviter la présence de NaN et de valeurs manquantes, notamment dans les coordonnées, adresses, code postal et villes

3.1.1.Valeurs manquantes, nulles et NA

print(data_p8_2tour.isnull().any())
print(data_p8_2tour.isnull().sum())

Code du département           False
Département                   False
Code de la circonscription    False
Circonscription               False
Code de la commune            False
Commune                       False
Bureau de vote                False
Inscrits                      False
Abstentions                   False
% Abs/Ins                     False
Votants                       False
% Vot/Ins                     False
Blancs                        False
% Blancs/Ins                  False
% Blancs/Vot                  False
Nuls                          False
% Nuls/Ins                    False
% Nuls/Vot                    False
Exprimés                      False
% Exp/Ins                     False
% Exp/Vot                     False
Sexe                          False
Nom                           False
Prénom                        False
Voix                          False
% Voix/Ins                    False
% Voix/Exp                    False
dtype: bool
Code du département           0
Département                   0
Code de la circonscription    0
Circonscription               0
Code de la commune            0
Commune                       0
Bureau de vote                0
Inscrits                      0
Abstentions                   0
% Abs/Ins                     0
Votants                       0
% Vot/Ins                     0
Blancs                        0
% Blancs/Ins                  0
% Blancs/Vot                  0
Nuls                          0
% Nuls/Ins                    0
% Nuls/Vot                    0
Exprimés                      0
% Exp/Ins                     0
% Exp/Vot                     0
Sexe                          0
Nom                           0
Prénom                        0
Voix                          0
% Voix/Ins                    0
% Voix/Exp                    0
dtype: int64

Aucune valeurs manquantes ni NaN dans mon df, RAS

data_p8_2tour.head()

	Code du département	Département	Code de la circonscription	Circonscription	Code de la commune	Commune	Bureau de vote	Inscrits	Abstentions	% Abs/Ins	...	% Nuls/Vot	Exprimés	% Exp/Ins	% Exp/Vot	Sexe	Nom	Prénom	Voix	% Voix/Ins	% Voix/Exp
0	02	Aisne	3	3ème circonscription	308	Fesmy-le-Sart	0002	119	12	10.08	...	1.87	96	80.67	89.72	M	MACRON	Emmanuel	30	25.21	31.25
1	78	Yvelines	10	10ème circonscription	517	Rambouillet	0008	926	146	15.77	...	2.69	693	74.84	88.85	F	LE PEN	Marine	198	21.38	28.57
2	2B	Haute-Corse	1	1ère circonscription	33	Bastia	0024	1051	434	41.29	...	1.62	580	55.19	94.00	F	LE PEN	Marine	371	35.30	63.97
3	24	Dordogne	2	2ème circonscription	37	Bergerac	0010	843	232	27.52	...	2.95	544	64.53	89.03	M	MACRON	Emmanuel	374	44.37	68.75
4	64	Pyrénées-Atlantiques	1	1ère circonscription	335	Lescar	0007	779	153	19.64	...	3.99	551	70.73	88.02	M	MACRON	Emmanuel	390	50.06	70.78

5 rows × 27 columns

3.1.2.Doublons

print(data_p8_2tour.duplicated().any())
print(data_p8_2tour.duplicated().sum())

True
26

data_p8_2tour[data_p8_2tour.duplicated()]

	Code du département	Département	Code de la circonscription	Circonscription	Code de la commune	Commune	Bureau de vote	Inscrits	Abstentions	% Abs/Ins	...	% Nuls/Vot	Exprimés	% Exp/Ins	% Exp/Vot	Sexe	Nom	Prénom	Voix	% Voix/Ins	% Voix/Exp
32489	31	Haute-Garonne	5	5ème circonscription	205	Gagnac-sur-Garonne	0001	1150	236	20.52	...	2.74	820	71.30	89.72	F	LE PEN	Marine	284	24.70	34.63
44555	50	Manche	2	2ème circonscription	484	Saint-Hilaire-du-Harcouët	0001	1505	353	23.46	...	7.20	1029	68.37	89.32	F	LE PEN	Marine	315	20.93	30.61
45616	23	Creuse	1	1ère circonscription	149	Parsac-Rimondeix	0001	503	121	24.06	...	3.66	329	65.41	86.13	M	MACRON	Emmanuel	220	43.74	66.87
48232	65	Hautes-Pyrénées	1	1ère circonscription	84	Bernac-Dessus	0001	217	33	15.21	...	0.54	155	71.43	84.24	F	LE PEN	Marine	52	23.96	33.55
54526	23	Creuse	1	1ère circonscription	149	Parsac-Rimondeix	0001	503	121	24.06	...	3.66	329	65.41	86.13	F	LE PEN	Marine	109	21.67	33.13
54533	46	Lot	1	1ère circonscription	268	Saint Géry-Vers	0001	358	60	16.76	...	3.02	250	69.83	83.89	M	MACRON	Emmanuel	181	50.56	72.40
55812	22	Côtes-d'Armor	3	3ème circonscription	183	Les Moulins	0001	690	131	18.99	...	3.40	479	69.42	85.69	M	MACRON	Emmanuel	301	43.62	62.84
84651	46	Lot	1	1ère circonscription	156	Bellefont-La Rauze	0001	394	89	22.59	...	1.64	261	66.24	85.57	F	LE PEN	Marine	65	16.50	24.90
93943	63	Puy-de-Dôme	2	2ème circonscription	244	Chambaron-sur-Morge	0001	424	67	15.80	...	2.52	321	75.71	89.92	M	MACRON	Emmanuel	201	47.41	62.62
94410	80	Somme	5	5ème circonscription	230	Curchy	0001	232	57	24.57	...	4.00	148	63.79	84.57	M	MACRON	Emmanuel	67	28.88	45.27
95792	33	Gironde	8	8ème circonscription	555	Marcheprime	0001	1078	228	21.15	...	7.65	743	68.92	87.41	F	LE PEN	Marine	294	27.27	39.57
96211	63	Puy-de-Dôme	2	2ème circonscription	244	Chambaron-sur-Morge	0001	424	67	15.80	...	2.52	321	75.71	89.92	F	LE PEN	Marine	120	28.30	37.38
97344	31	Haute-Garonne	5	5ème circonscription	205	Gagnac-sur-Garonne	0001	1150	236	20.52	...	2.74	820	71.30	89.72	M	MACRON	Emmanuel	536	46.61	65.37
99899	46	Lot	1	1ère circonscription	268	Saint Géry-Vers	0001	358	60	16.76	...	3.02	250	69.83	83.89	F	LE PEN	Marine	69	19.27	27.60
101420	18	Cher	3	3ème circonscription	58	Châteauneuf-sur-Cher	0001	571	169	29.60	...	3.73	354	62.00	88.06	F	LE PEN	Marine	172	30.12	48.59
112000	46	Lot	1	1ère circonscription	103	Saint-Paul-Flaugnac	0001	358	57	15.92	...	2.33	263	73.46	87.38	M	MACRON	Emmanuel	189	52.79	71.86
115449	65	Hautes-Pyrénées	1	1ère circonscription	84	Bernac-Dessus	0001	217	33	15.21	...	0.54	155	71.43	84.24	M	MACRON	Emmanuel	103	47.47	66.45
116126	50	Manche	2	2ème circonscription	484	Saint-Hilaire-du-Harcouët	0001	1505	353	23.46	...	7.20	1029	68.37	89.32	M	MACRON	Emmanuel	714	47.44	69.39
119212	18	Cher	3	3ème circonscription	58	Châteauneuf-sur-Cher	0001	571	169	29.60	...	3.73	354	62.00	88.06	M	MACRON	Emmanuel	182	31.87	51.41
121721	80	Somme	5	5ème circonscription	230	Curchy	0001	232	57	24.57	...	4.00	148	63.79	84.57	F	LE PEN	Marine	81	34.91	54.73
122872	43	Haute-Loire	2	2ème circonscription	187	Saint-Geneys-près-Saint-Paulien	0001	283	38	13.43	...	0.41	228	80.57	93.06	M	MACRON	Emmanuel	127	44.88	55.70
126491	46	Lot	1	1ère circonscription	156	Bellefont-La Rauze	0001	394	89	22.59	...	1.64	261	66.24	85.57	M	MACRON	Emmanuel	196	49.75	75.10
127906	46	Lot	1	1ère circonscription	103	Saint-Paul-Flaugnac	0001	358	57	15.92	...	2.33	263	73.46	87.38	F	LE PEN	Marine	74	20.67	28.14
130331	22	Côtes-d'Armor	3	3ème circonscription	183	Les Moulins	0001	690	131	18.99	...	3.40	479	69.42	85.69	F	LE PEN	Marine	178	25.80	37.16
134252	43	Haute-Loire	2	2ème circonscription	187	Saint-Geneys-près-Saint-Paulien	0001	283	38	13.43	...	0.41	228	80.57	93.06	F	LE PEN	Marine	101	35.69	44.30
135694	33	Gironde	8	8ème circonscription	555	Marcheprime	0001	1078	228	21.15	...	7.65	743	68.92	87.41	M	MACRON	Emmanuel	449	41.65	60.43

26 rows × 27 columns

Les doublons correspondent aux différents votes pour un meme departement, une meme commune, RAS

3.1.1.1.Corrections des valeurs manquantes, nulles et NA

3.1.3.Outliers, valeurs abberantes et atypiques

codes_departement = len(data_p8_2tour['Code du département'].unique())
codes_departement

107

circonscriptions = len(data_p8_2tour['Circonscription'].unique())
circonscriptions

22

communes = len(data_p8_2tour['Commune'].unique())
communes

33363

bureaux = len(data_p8_2tour['Bureau de vote'].unique())
bureaux

1727

nbr_candidats = len(data_p8_2tour['Nom'].unique())
nbr_candidats

2

Je verifie le nombre de valeurs uniques par variable pour detecter des erreurs, RAS

4.Résumé des données

4.1.Nombre de communes, circonscriptions, bureaux de vote, candidats

#Jé crée un dataframe pour le résumé des données
résumé_données = pd.DataFrame({'Nombre': pd.Series([codes_departement, circonscriptions, communes,bureaux,nbr_candidats], index = ['départements', 'circonscriptions', 'communes','bureaux_de_vote','candidats'])})
résumé_données

	Nombre
départements	107
circonscriptions	22
communes	33363
bureaux_de_vote	1727
candidats	2

4.2.Participation

data_p8_2tour.head(2)

	Code du département	Département	Code de la circonscription	Circonscription	Code de la commune	Commune	Bureau de vote	Inscrits	Abstentions	% Abs/Ins	...	% Nuls/Vot	Exprimés	% Exp/Ins	% Exp/Vot	Sexe	Nom	Prénom	Voix	% Voix/Ins	% Voix/Exp
0	02	Aisne	3	3ème circonscription	308	Fesmy-le-Sart	0002	119	12	10.08	...	1.87	96	80.67	89.72	M	MACRON	Emmanuel	30	25.21	31.25
1	78	Yvelines	10	10ème circonscription	517	Rambouillet	0008	926	146	15.77	...	2.69	693	74.84	88.85	F	LE PEN	Marine	198	21.38	28.57

2 rows × 27 columns

participation = data_p8_2tour.groupby('Nom').sum()
participation = participation.reset_index(drop=False)
participation.head(2)

	Nom	Code de la circonscription	Code de la commune	Inscrits	Abstentions	% Abs/Ins	Votants	% Vot/Ins	Blancs	% Blancs/Ins	% Blancs/Vot	Nuls	% Nuls/Ins	% Nuls/Vot	Exprimés	% Exp/Ins	% Exp/Vot	Voix	% Voix/Ins	% Voix/Exp
0	LE PEN	288976	16198557	47576456	12103005	1614081.15	35473451	5311320.97	3021983	482057.15	622921.69	1064485	174367.42	227718.33	31386983	4654898.02	6.0746643e+06	10640389	1739267.06	2577465.57
1	MACRON	288976	16198557	47576456	12103005	1614081.15	35473451	5311320.97	3021983	482057.15	622921.69	1064485	174367.42	227718.33	31386983	4654898.02	6.0746643e+06	20746594	2915629.02	4344036.87

inscrits_sum = participation.loc[participation['Nom'] == 'MACRON','Inscrits']
inscrits_sum = inscrits_sum.to_string(index = False)
inscrits_sum

'47576456'

absentions_sum = participation.loc[participation['Nom'] == 'MACRON','Abstentions']
absentions_sum = absentions_sum.to_string(index = False)
absentions_sum

'12103005'

votans_sum = participation.loc[participation['Nom'] == 'MACRON','Votants']
votans_sum = votans_sum.to_string(index = False)
votans_sum

'35473451'

blancs_sum = participation.loc[participation['Nom'] == 'MACRON','Blancs']
blancs_sum = blancs_sum.to_string(index = False)
blancs_sum

'3021983'

nuls_sum = participation.loc[participation['Nom'] == 'MACRON','Nuls']
nuls_sum = nuls_sum.to_string(index = False)
nuls_sum

'1064485'

exprimés_sum = participation.loc[participation['Nom'] == 'MACRON','Exprimés']
exprimés_sum = exprimés_sum.to_string(index = False)
exprimés_sum

'31386983'

participation_ratio = data_p8_2tour.groupby('Nom').mean()
participation_ratio = participation_ratio.reset_index(drop=False)
participation_ratio.head(2)

	Nom	Code de la circonscription	Code de la commune	Inscrits	Abstentions	% Abs/Ins	Votants	% Vot/Ins	Blancs	% Blancs/Ins	% Blancs/Vot	Nuls	% Nuls/Ins	% Nuls/Vot	Exprimés	% Exp/Ins	% Exp/Vot	Voix	% Voix/Ins	% Voix/Exp
0	LE PEN	4.1726374	233.8972926	686.9750343	174.7600173	23.3063483	512.215017	76.6922384	43.6355931	6.9606115	8.9946096	15.3705148	2.5177593	3.2881139	453.2089091	67.213891	87.7144514	153.6407335	25.1139565	37.2170323
1	MACRON	4.1726374	233.8972926	686.9750343	174.7600173	23.3063483	512.215017	76.6922384	43.6355931	6.9606115	8.9946096	15.3705148	2.5177593	3.2881139	453.2089091	67.213891	87.7144514	299.5681756	42.0999064	62.7252454

abs_ratio = participation_ratio.loc[participation_ratio['Nom'] == 'MACRON','% Abs/Ins']
abs_ratio = (round(abs_ratio, 2))
abs_ratio = abs_ratio.to_string(index = False)
abs_ratio

'23.31'

vot_ratio = participation_ratio.loc[participation_ratio['Nom'] == 'MACRON','% Vot/Ins']
vot_ratio = (round(vot_ratio, 2))
vot_ratio = vot_ratio.to_string(index = False)
vot_ratio

'76.69'

blancs_ratio = participation_ratio.loc[participation_ratio['Nom'] == 'MACRON','% Blancs/Ins']
blancs_ratio = (round(blancs_ratio, 2))
blancs_ratio = blancs_ratio.to_string(index = False)
blancs_ratio

'6.96'

blancs_ratio2 = participation_ratio.loc[participation_ratio['Nom'] == 'MACRON','% Blancs/Vot']
blancs_ratio2 = (round(blancs_ratio2, 2))
blancs_ratio2 = blancs_ratio2.to_string(index = False)
blancs_ratio2

'8.99'

nuls_ratio = participation_ratio.loc[participation_ratio['Nom'] == 'MACRON','% Nuls/Ins']
nuls_ratio = (round(nuls_ratio, 2))
nuls_ratio = nuls_ratio.to_string(index = False)
nuls_ratio

'2.52'

nuls_ratio2 = participation_ratio.loc[participation_ratio['Nom'] == 'MACRON','% Nuls/Vot']
nuls_ratio2 = (round(nuls_ratio2, 2))
nuls_ratio2 = nuls_ratio2.to_string(index = False)
nuls_ratio2

'3.29'

exp_ratio = participation_ratio.loc[participation_ratio['Nom'] == 'MACRON','% Exp/Ins']
exp_ratio = (round(exp_ratio, 2))
exp_ratio = exp_ratio.to_string(index = False)
exp_ratio

'67.21'

exp_ratio2 = participation_ratio.loc[participation_ratio['Nom'] == 'MACRON','% Exp/Vot']
exp_ratio2 = (round(exp_ratio2, 2))
exp_ratio2 = exp_ratio2.to_string(index = False)
exp_ratio2

'87.71'

#Jé crée un dataframe pour le nombre d'inscrits, abstentions, votants, blancs, nuls, exprimés
participation = pd.DataFrame({'Nombre': pd.Series([inscrits_sum, absentions_sum, votans_sum,blancs_sum,nuls_sum,exprimés_sum], index = ['Inscrits', 'Abstentions', 'Votans','Blancs','Nuls','Exprimés']),
                              '% des inscrits': pd.Series(['',abs_ratio, vot_ratio,blancs_ratio,nuls_ratio,exp_ratio], index = ['Inscrits', 'Abstentions', 'Votans','Blancs','Nuls','Exprimés']),
                              '% des votants': pd.Series(['','',100,blancs_ratio2,nuls_ratio2,exp_ratio2], index = ['Inscrits', 'Abstentions', 'Votans','Blancs','Nuls','Exprimés'])})
participation

	Nombre	% des inscrits	% des votants
Inscrits	47576456
Abstentions	12103005	23.31
Votans	35473451	76.69	100
Blancs	3021983	6.96	8.99
Nuls	1064485	2.52	3.29
Exprimés	31386983	67.21	87.71

Le taux de participation (France entière) s’est élevé à 76,69% des électeurs inscrits lors de ce second tour. Il était de 79,73% au premier tour sur le même périmètre.

# bar chart

value =  [66920000,47576456,35473451,31386983,12103005,3021983,1064485]
labels = ['Population 2017','Inscrits','Votants','Exprimés','Abstentions','Blancs','Nuls']

#participation_viz = participation_viz.sort_values('Nombre',ascending=[False])

pio.templates.default = "plotly_white"
fig = px.bar(x=labels, y=value,width=800, height=600,text=value, labels={ "x": " ","y": "nombre de voix"})

fig.update_traces(textposition = 'outside',texttemplate='%{text:,}', textfont_size=12)
#fig.update_traces(marker_color='dimgray')

fig.update_layout(title_text='<b>Participation au 2e Tour', title_y=0.97,title_x=0.55,title_font = dict(size=25, color='dimgray'))
fig.update_layout(separators = '.,',margin=dict(t=50, b=0, l=0, r=0))

#fig.update_layout(legend=dict(yanchor="auto", y=0.5, xanchor="auto", x=1.3),legend_title_text='')
#fig.update_layout(paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')
#fig.update_yaxes(visible=False)

fig.show()

# bar chart

value =  [76.69,67.21,23.31,6.96,2.52]
labels = ['% Vot/ins','% Exp/ins','% abs/ins','% Blancs/ins','% Nuls/ins']

#participation_viz = participation_viz.sort_values('Nombre',ascending=[False])

pio.templates.default = "plotly_white"
fig = px.bar(x=labels, y=value,width=800, height=600,text=value, labels={ "x": " ","y": "% des voix"})

fig.update_traces(textposition = 'outside',texttemplate='%{text:,}', textfont_size=12)
#fig.update_traces(marker_color='dimgray')

fig.update_layout(title_text='<b>Ratio inscrits au 2e Tour', title_y=0.97,title_x=0.55,title_font = dict(size=25, color='dimgray'))
fig.update_layout(separators = '.,',margin=dict(t=50, b=0, l=0, r=0))

#fig.update_layout(legend=dict(yanchor="auto", y=0.5, xanchor="auto", x=1.3),legend_title_text='')
#fig.update_layout(paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')
#fig.update_yaxes(visible=False)

fig.show()

# bar chart

value =  [87.71,8.99,3.29]
labels = ['% Exp/vot','% Blancs/vot','% nuls/vot']

#participation_viz = participation_viz.sort_values('Nombre',ascending=[False])

pio.templates.default = "plotly_white"
fig = px.bar(x=labels, y=value,width=800, height=600,text=value, labels={ "x": " ","y": "% des voix"})

fig.update_traces(textposition = 'outside',texttemplate='%{text:,}', textfont_size=12)
#fig.update_traces(marker_color='dimgray')

fig.update_layout(title_text='<b>Ratio votants au 2e Tour', title_y=0.97,title_x=0.55,title_font = dict(size=25, color='dimgray'))
fig.update_layout(separators = '.,',margin=dict(t=50, b=0, l=0, r=0))

#fig.update_layout(legend=dict(yanchor="auto", y=0.5, xanchor="auto", x=1.3),legend_title_text='')
#fig.update_layout(paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')
#fig.update_yaxes(visible=False)

fig.show()

4.3.Classement des departements en proportion d' abstentions, de votants, de blancs, de nuls, d'exprimés

4.3.1.Abstentions

classement_dep_abs = data_p8_2tour.groupby('Département').mean().sort_values('% Abs/Ins',ascending=[False])
classement_dep_abs = classement_dep_abs.reset_index(drop=False)
classement_dep_abs = classement_dep_abs.drop(columns =['Code de la circonscription','Code de la commune','Votants','% Vot/Ins','Blancs','% Blancs/Ins','% Blancs/Vot','Nuls','% Nuls/Ins','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_abs_top30 = classement_dep_abs.head(30)
classement_dep_abs.head(5)

	Département	Inscrits	Abstentions	% Abs/Ins
0	Saint-Martin/Saint-Barthélemy	1060.2083333	685.5000000	64.5137500
1	Guyane	805.2260870	468.8347826	58.7340870
2	Mayotte	468.6477273	254.3125000	53.2905682
3	Français établis hors de France	5673.6771300	3072.9865471	52.7011659
4	Nouvelle-Calédonie	701.3629630	331.0000000	52.4299630

abs_top_1 = classement_dep_abs.loc[classement_dep_abs['Département'] == "Saint-Martin/Saint-Barthélemy"]
abs_top_1 = abs_top_1["% Abs/Ins"]
abs_top_1 = abs_top_1.to_string(index=False)
abs_top_1 = "{0:.2f}".format(float(abs_top_1))
abs_top_1

'64.51'

abs_top_2 = classement_dep_abs.loc[classement_dep_abs['Département'] == "Guyane"]
abs_top_2 = abs_top_2["% Abs/Ins"]
abs_top_2 = abs_top_2.to_string(index=False)
abs_top_2 = "{0:.2f}".format(float(abs_top_2))
abs_top_2

'58.73'

abs_top_3 = classement_dep_abs.loc[classement_dep_abs['Département'] == "Mayotte"]
abs_top_3 = abs_top_3["% Abs/Ins"]
abs_top_3 = abs_top_3.to_string(index=False)
abs_top_3 = "{0:.2f}".format(float(abs_top_3))
abs_top_3

'53.29'

# scatter plot

pio.templates.default = "plotly_white"

#text=classement_dep_blanc3['% Blancs/Vot']
#labels={ "Département": " "}

fig = px.scatter(classement_dep_abs_top30, x="Département", y="% Abs/Ins",labels={ "Département": " "})

fig.update_layout(title_text="<b>Ratio des abstentions/département au 2e Tour", title_y=0.9,title_x=0.5,title_font = dict(size=25, color='dimgray'))
fig.update_layout(margin=dict(t=100, b=0, l=0, r=0))

#fig.update_yaxes(visible=False)

#fig.update_layout(paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')

fig.add_annotation(x= "Saint-Martin/Saint-Barthélemy", y=abs_top_1, text=abs_top_1,xanchor='auto')
fig.add_annotation(x= "Guyane", y=abs_top_2, text=abs_top_2,xanchor='left')
fig.add_annotation(x= "Mayotte", y=abs_top_3, text=abs_top_3,xanchor='left')

fig.update_layout(margin_pad=10)

#fig.update_yaxes(title=None)

fig.show()

classement_dep_abs2 = data_p8_2tour.groupby('Département').mean().sort_values('% Abs/Ins')
classement_dep_abs2 = classement_dep_abs2.reset_index(drop=False)
classement_dep_abs2 = classement_dep_abs2.drop(columns =['Code de la circonscription','Code de la commune','Votants','% Vot/Ins','Blancs','% Blancs/Ins','% Blancs/Vot','Nuls','% Nuls/Ins','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_abs2.head(5)

	Département	Inscrits	Abstentions	% Abs/Ins
0	Gers	284.7740668	54.2927308	17.3791749
1	Lot	347.7848101	69.6278481	18.5952658
2	Jura	326.4425386	70.4322470	18.9302401
3	Côtes-d'Armor	696.9923664	134.0473282	18.9900000
4	Corrèze	482.4088542	99.3750000	18.9965625

4.3.2.Votants

classement_dep_vot = data_p8_2tour.groupby('Département').mean().sort_values('% Vot/Ins',ascending=[False])
classement_dep_vot = classement_dep_vot.reset_index(drop=False)
classement_dep_vot = classement_dep_vot.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','% Abs/Ins','Blancs','% Blancs/Ins','% Blancs/Vot','Nuls','% Nuls/Ins','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_vot.head(5)

	Département	Inscrits	Votants	% Vot/Ins
0	Gers	284.7740668	230.4813360	82.6209234
1	Lot	347.7848101	278.1569620	81.4048608
2	Jura	326.4425386	256.0102916	81.0697770
3	Côtes-d'Armor	696.9923664	562.9450382	81.0100458
4	Corrèze	482.4088542	383.0338542	81.0034635

classement_dep_vot2 = data_p8_2tour.groupby('Département').mean().sort_values('% Vot/Ins')
classement_dep_vot2 = classement_dep_vot2.reset_index(drop=False)
classement_dep_vot2 = classement_dep_vot2.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','% Abs/Ins','Blancs','% Blancs/Ins','% Blancs/Vot','Nuls','% Nuls/Ins','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_vot2_top30 = classement_dep_vot2.head(30)
classement_dep_vot2.head(5)

	Département	Inscrits	Votants	% Vot/Ins
0	Saint-Martin/Saint-Barthélemy	1060.2083333	374.7083333	35.4862500
1	Guyane	805.2260870	336.3913043	41.2659130
2	Mayotte	468.6477273	214.3352273	46.7094318
3	Français établis hors de France	5673.6771300	2600.6905830	46.8504036
4	Nouvelle-Calédonie	701.3629630	370.3629630	47.5701111

vot_top_1 = classement_dep_vot2.loc[classement_dep_vot2['Département'] == "Saint-Martin/Saint-Barthélemy"]
vot_top_1 = vot_top_1["% Vot/Ins"]
vot_top_1 = vot_top_1.to_string(index=False)
vot_top_1 = "{0:.2f}".format(float(vot_top_1))
vot_top_1

'35.49'

vot_top_2 = classement_dep_vot2.loc[classement_dep_vot2['Département'] == "Guyane"]
vot_top_2 = vot_top_2["% Vot/Ins"]
vot_top_2 = vot_top_2.to_string(index=False)
vot_top_2 = "{0:.2f}".format(float(vot_top_2))
vot_top_2

'41.27'

vot_top_3 = classement_dep_vot2.loc[classement_dep_vot2['Département'] == "Mayotte"]
vot_top_3 = vot_top_3["% Vot/Ins"]
vot_top_3 = vot_top_3.to_string(index=False)
vot_top_3 = "{0:.2f}".format(float(vot_top_3))
vot_top_3

'46.71'

# scatter plot

pio.templates.default = "plotly_white"

#text=classement_dep_blanc3['% Blancs/Vot']
#labels={ "Département": " "}

fig = px.scatter(classement_dep_vot2_top30, x="Département", y="% Vot/Ins",labels={ "Département": " "})

fig.update_layout(title_text="<b>Ratio des votants/département au 2e Tour", title_y=0.9,title_x=0.5,title_font = dict(size=25, color='dimgray'))
fig.update_layout(margin=dict(t=100, b=0, l=0, r=0))

#fig.update_yaxes(visible=False)

#fig.update_layout(paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')

fig.add_annotation(x= "Saint-Martin/Saint-Barthélemy", y=vot_top_1, text=vot_top_1,xanchor='right')
fig.add_annotation(x= "Guyane", y=vot_top_2, text=vot_top_2,xanchor='auto')
fig.add_annotation(x= "Mayotte", y=vot_top_3, text=vot_top_3,xanchor='auto')

fig.update_layout(margin_pad=10)

fig.show()

4.3.3.Blancs

classement_dep_blanc = data_p8_2tour.groupby('Département').mean().sort_values('% Blancs/Ins',ascending=[False])
classement_dep_blanc = classement_dep_blanc.reset_index(drop=False)
classement_dep_blanc = classement_dep_blanc.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','% Abs/Ins','Votants','% Vot/Ins','% Blancs/Vot','Nuls','% Nuls/Ins','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_blanc.head(5)

	Département	Inscrits	Blancs	% Blancs/Ins
0	Ariège	306.5430809	26.4569191	9.8334204
1	Lozère	298.9748744	25.1658291	9.3273869
2	Lot	347.7848101	29.2734177	9.1437215
3	Jura	326.4425386	26.3481990	8.9664666
4	Hautes-Pyrénées	313.7477954	25.0440917	8.9278131

classement_dep_blanc2 = data_p8_2tour.groupby('Département').mean().sort_values('% Blancs/Ins')
classement_dep_blanc2 = classement_dep_blanc2.reset_index(drop=False)
classement_dep_blanc2 = classement_dep_blanc2.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','% Abs/Ins','Votants','% Vot/Ins','% Blancs/Vot','Nuls','% Nuls/Ins','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_blanc2.head(5)

	Département	Inscrits	Blancs	% Blancs/Ins
0	Wallis et Futuna	8464.0000000	76.0000000	0.9000000
1	Polynésie française	864.2923729	13.8686441	1.3827966
2	Mayotte	468.6477273	8.1931818	1.7861364
3	Français établis hors de France	5673.6771300	87.5067265	2.3317040
4	Saint-Martin/Saint-Barthélemy	1060.2083333	26.5833333	2.5008333

classement_dep_blanc3 = data_p8_2tour.groupby('Département').mean().sort_values('% Blancs/Vot',ascending=[False])
classement_dep_blanc3 = classement_dep_blanc3.reset_index(drop=False)
classement_dep_blanc3 = classement_dep_blanc3.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','% Abs/Ins','Inscrits','% Vot/Ins','% Blancs/Ins','Nuls','% Nuls/Ins','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_blanc3_top30 = classement_dep_blanc3.head(30)
classement_dep_blanc3.head(5)

	Département	Votants	Blancs	% Blancs/Vot
0	Ariège	236.8355091	26.4569191	12.5036031
1	Lozère	239.2562814	25.1658291	11.5488442
2	Creuse	252.6971831	27.6232394	11.2442254
3	Lot	278.1569620	29.2734177	11.2325316
4	Hautes-Pyrénées	241.9753086	25.0440917	11.1784127

top_1 = classement_dep_blanc3.loc[classement_dep_blanc3['Département'] == "Ariège"]
top_1 = top_1["% Blancs/Vot"]
top_1 = top_1.to_string(index=False)
top_1 = "{0:.2f}".format(float(top_1))
top_1

'12.50'

top_2 = classement_dep_blanc3.loc[classement_dep_blanc3['Département'] == "Lozère"]
top_2 = top_2["% Blancs/Vot"]
top_2 = top_2.to_string(index=False)
top_2 = "{0:.2f}".format(float(top_2))
top_2

'11.55'

top_3 = classement_dep_blanc3.loc[classement_dep_blanc3['Département'] == "Creuse"]
top_3 = top_3["% Blancs/Vot"]
top_3 = top_3.to_string(index=False)
top_3 = "{0:.2f}".format(float(top_3))
top_3

'11.24'

# scatter plot

pio.templates.default = "plotly_white"

#text=classement_dep_blanc3['% Blancs/Vot']
#labels={ "Département": " "}

fig = px.scatter(classement_dep_blanc3_top30, x="Département", y="% Blancs/Vot",labels={ "Département": " "})

fig.update_layout(title_text="<b>Ratio de votes blancs/votants par département au 2e Tour", title_y=0.9,title_x=0.5,title_font = dict(size=25, color='dimgray'))
fig.update_layout(margin=dict(t=100, b=0, l=0, r=0))

#fig.update_yaxes(visible=False)

#fig.update_layout(paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')

fig.add_annotation(x= "Ariège", y=top_1, text=top_1)
fig.add_annotation(x= "Lozère", y=top_2, text=top_2)
fig.add_annotation(x= "Creuse", y=top_3, text=top_3)

fig.show()

classement_dep_blanc4 = data_p8_2tour.groupby('Département').mean().sort_values('% Blancs/Vot')
classement_dep_blanc4 = classement_dep_blanc4.reset_index(drop=False)
classement_dep_blanc4 = classement_dep_blanc4.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','% Abs/Ins','Inscrits','% Vot/Ins','% Blancs/Ins','Nuls','% Nuls/Ins','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_blanc4.head(5)

	Département	Votants	Blancs	% Blancs/Vot
0	Wallis et Futuna	6095.0000000	76.0000000	1.2500000
1	Polynésie française	405.2669492	13.8686441	2.9441949
2	Mayotte	214.3352273	8.1931818	3.8318182
3	Nouvelle-Calédonie	370.3629630	24.2037037	4.7177778
4	Français établis hors de France	2600.6905830	87.5067265	4.8361883

4.3.4.Nuls

classement_dep_nul = data_p8_2tour.groupby('Département').mean().sort_values('% Nuls/Ins',ascending=[False])
classement_dep_nul = classement_dep_nul.reset_index(drop=False)
classement_dep_nul = classement_dep_nul.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','Blancs','% Blancs/Ins','% Abs/Ins','Votants','% Vot/Ins','% Blancs/Vot','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_nul.head(5)

	Département	Inscrits	Nuls	% Nuls/Ins
0	Corrèze	482.4088542	20.7447917	4.7416927
1	Haute-Saône	289.9466019	11.8964401	4.4034951
2	Creuse	329.6654930	13.8204225	4.2960915
3	Haute-Vienne	713.9651475	29.1635389	4.1384182
4	Ariège	306.5430809	11.7963446	4.1229504

classement_dep_nul2 = data_p8_2tour.groupby('Département').mean().sort_values('% Nuls/Ins')
classement_dep_nul2 = classement_dep_nul2.reset_index(drop=False)
classement_dep_nul2 = classement_dep_nul2.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','Blancs','% Blancs/Ins','% Abs/Ins','Votants','% Vot/Ins','% Blancs/Vot','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_nul2.head(5)

	Département	Inscrits	Nuls	% Nuls/Ins
0	Français établis hors de France	5673.6771300	20.9910314	0.5357399
1	Wallis et Futuna	8464.0000000	61.0000000	0.7200000
2	Saint-Martin/Saint-Barthélemy	1060.2083333	9.7083333	0.9000000
3	Hauts-de-Seine	969.9428008	9.1932939	0.9606213
4	Nouvelle-Calédonie	701.3629630	8.6814815	1.0584074

classement_dep_nul3 = data_p8_2tour.groupby('Département').mean().sort_values('% Nuls/Vot',ascending=[False])
classement_dep_nul3 = classement_dep_nul3.reset_index(drop=False)
classement_dep_nul3 = classement_dep_nul3.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','Blancs','% Blancs/Ins','% Abs/Ins','Inscrits','% Vot/Ins','% Blancs/Vot','% Nuls/Ins','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_nul3_top30 = classement_dep_nul3.head(30)
classement_dep_nul3.head(5)

	Département	Votants	Nuls	% Nuls/Vot
0	Mayotte	214.3352273	15.7215909	7.3939205
1	Guadeloupe	375.8695652	27.4009662	7.3604348
2	La Réunion	443.9845475	26.3432671	5.9659713
3	Corrèze	383.0338542	20.7447917	5.8271875
4	Martinique	474.5714286	27.1003040	5.7613982

nul_top_1 = classement_dep_nul3.loc[classement_dep_nul3['Département'] == "Mayotte"]
nul_top_1 = nul_top_1["% Nuls/Vot"]
nul_top_1 = nul_top_1.to_string(index=False)
nul_top_1 = "{0:.2f}".format(float(nul_top_1))
nul_top_1

'7.39'

nul_top_2 = classement_dep_nul3.loc[classement_dep_nul3['Département'] == "Guadeloupe"]
nul_top_2 = nul_top_2["% Nuls/Vot"]
nul_top_2 = nul_top_2.to_string(index=False)
nul_top_2 = "{0:.2f}".format(float(nul_top_2))
nul_top_2

'7.36'

nul_top_3 = classement_dep_nul3.loc[classement_dep_nul3['Département'] == "La Réunion"]
nul_top_3 = nul_top_3["% Nuls/Vot"]
nul_top_3 = nul_top_3.to_string(index=False)
nul_top_3 = "{0:.2f}".format(float(nul_top_3))
nul_top_3

'5.97'

# scatter plot

pio.templates.default = "plotly_white"

#text=classement_dep_blanc3['% Blancs/Vot']
#labels={ "Département": " "}

fig = px.scatter(classement_dep_nul3_top30, x="Département", y="% Nuls/Vot",labels={ "Département": " "})

fig.update_layout(title_text="<b>Ratio de votes nuls/votants par département au 2e Tour", title_y=0.9,title_x=0.5,title_font = dict(size=25, color='dimgray'))
fig.update_layout(margin=dict(t=100, b=0, l=0, r=0))

#fig.update_yaxes(visible=False)

#fig.update_layout(paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')

fig.add_annotation(x= "Mayotte", y=nul_top_1, text=nul_top_1)
fig.add_annotation(x= "Guadeloupe", y=nul_top_2, text=nul_top_2)
fig.add_annotation(x= "La Réunion", y=nul_top_3, text=nul_top_3)

fig.show()

classement_dep_nul4 = data_p8_2tour.groupby('Département').mean().sort_values('% Nuls/Vot')
classement_dep_nul4 = classement_dep_nul4.reset_index(drop=False)
classement_dep_nul4 = classement_dep_nul4.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','Blancs','% Blancs/Ins','% Abs/Ins','Inscrits','% Vot/Ins','% Blancs/Vot','% Nuls/Ins','Exprimés','% Exp/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_nul4.head(5)

	Département	Votants	Nuls	% Nuls/Vot
0	Wallis et Futuna	6095.0000000	61.0000000	1.0000000
1	Français établis hors de France	2600.6905830	20.9910314	1.1352466
2	Hauts-de-Seine	746.2287968	9.1932939	1.2652071
3	Paris	1140.2220982	18.6875000	1.6477902
4	Nouvelle-Calédonie	370.3629630	8.6814815	2.1156667

4.3.5.Exprimés

classement_dep_exp = data_p8_2tour.groupby('Département').mean().sort_values('% Exp/Ins',ascending=[False])
classement_dep_exp = classement_dep_exp.reset_index(drop=False)
classement_dep_exp = classement_dep_exp.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','Blancs','% Blancs/Ins','% Abs/Ins','Votants','% Vot/Ins','% Blancs/Vot','% Nuls/Vot','Nuls','% Nuls/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_exp.head(5)

	Département	Inscrits	Exprimés	% Exp/Ins
0	Paris	1452.6082589	1056.9497768	72.7651339
1	Somme	412.4889113	285.2207661	71.4218448
2	Ille-et-Vilaine	840.1093211	597.5707710	71.4002992
3	Vendée	854.5265781	602.9053156	70.7357973
4	Côtes-d'Armor	696.9923664	493.1083969	70.6479084

classement_dep_exp2 = data_p8_2tour.groupby('Département').mean().sort_values('% Exp/Ins')
classement_dep_exp2 = classement_dep_exp2.reset_index(drop=False)
classement_dep_exp2 = classement_dep_exp2.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','Blancs','% Blancs/Ins','% Abs/Ins','Votants','% Vot/Ins','% Blancs/Vot','% Nuls/Vot','Nuls','% Nuls/Ins','% Exp/Vot','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_exp2_top30 = classement_dep_exp2.head(30)
classement_dep_exp2.head(5)

	Département	Inscrits	Exprimés	% Exp/Ins
0	Saint-Martin/Saint-Barthélemy	1060.2083333	338.4166667	32.0862500
1	Guyane	805.2260870	291.7043478	35.9451304
2	Mayotte	468.6477273	190.4204545	41.4913636
3	Guadeloupe	763.4347826	323.5386473	42.3642754
4	Martinique	944.2948328	408.8206687	43.3445289

exp_top_1 = classement_dep_exp2.loc[classement_dep_exp2['Département'] == "Saint-Martin/Saint-Barthélemy"]
exp_top_1 = exp_top_1["% Exp/Ins"]
exp_top_1 = exp_top_1.to_string(index=False)
exp_top_1 = "{0:.2f}".format(float(exp_top_1))
exp_top_1

'32.09'

exp_top_2 = classement_dep_exp2.loc[classement_dep_exp2['Département'] == "Guyane"]
exp_top_2 = exp_top_2["% Exp/Ins"]
exp_top_2 = exp_top_2.to_string(index=False)
exp_top_2 = "{0:.2f}".format(float(exp_top_2))
exp_top_2

'35.95'

exp_top_3 = classement_dep_exp2.loc[classement_dep_exp2['Département'] == "Mayotte"]
exp_top_3 = exp_top_3["% Exp/Ins"]
exp_top_3 = exp_top_3.to_string(index=False)
exp_top_3 = "{0:.2f}".format(float(exp_top_3))
exp_top_3

'41.49'

# scatter plot

pio.templates.default = "plotly_white"

#text=classement_dep_blanc3['% Blancs/Vot']
#labels={ "Département": " "}

fig = px.scatter(classement_dep_exp2_top30, x="Département", y="% Exp/Ins",labels={ "Département": " "})

fig.update_layout(title_text="<b>Ratio des exprimés/département au 2e Tour", title_y=0.9,title_x=0.5,title_font = dict(size=25, color='dimgray'))
fig.update_layout(margin=dict(t=100, b=0, l=0, r=0))

#fig.update_yaxes(visible=False)

#fig.update_layout(paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')

fig.add_annotation(x= "Saint-Martin/Saint-Barthélemy", y=exp_top_1, text=exp_top_1)
fig.add_annotation(x= "Guyane", y=exp_top_2, text=exp_top_2)
fig.add_annotation(x= "Mayotte", y=exp_top_3, text=exp_top_3)

fig.show()

classement_dep_exp3 = data_p8_2tour.groupby('Département').mean().sort_values('% Exp/Vot',ascending=[False])
classement_dep_exp3 = classement_dep_exp3.reset_index(drop=False)
classement_dep_exp3 = classement_dep_exp3.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','Blancs','% Blancs/Ins','% Abs/Ins','Votants','% Vot/Ins','% Blancs/Vot','% Nuls/Vot','Nuls','% Nuls/Ins','% Exp/Ins','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_exp3.head(5)

	Département	Inscrits	Exprimés	% Exp/Vot
0	Wallis et Futuna	8464.0000000	5958.0000000	97.7500000
1	Polynésie française	864.2923729	380.0720339	94.3482203
2	Nouvelle-Calédonie	701.3629630	337.4777778	93.1662963
3	Français établis hors de France	5673.6771300	2492.1928251	93.1316143
4	Paris	1452.6082589	1056.9497768	92.6607701

classement_dep_exp4 = data_p8_2tour.groupby('Département').mean().sort_values('% Exp/Vot')
classement_dep_exp4 = classement_dep_exp4.reset_index(drop=False)
classement_dep_exp4 = classement_dep_exp4.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','Blancs','% Blancs/Ins','% Abs/Ins','Votants','% Vot/Ins','% Blancs/Vot','% Nuls/Vot','Nuls','% Nuls/Ins','% Exp/Ins','Voix','% Voix/Ins','% Voix/Exp'])
classement_dep_exp4.head(5)

	Département	Inscrits	Exprimés	% Exp/Vot
0	Ariège	306.5430809	198.5822454	82.2198695
1	Creuse	329.6654930	211.2535211	83.2272535
2	Corrèze	482.4088542	322.8750000	83.2571875
3	Lozère	298.9748744	202.3567839	83.4767337
4	Saint-Pierre-et-Miquelon	1240.7500000	579.5000000	83.9450000

4.4.Classement des candidats par voix

participation2 = data_p8_2tour.groupby('Nom').sum().sort_values('Voix',ascending=[False])
participation2 = participation2.reset_index(drop=False)
participation2 = participation2.drop(columns =['Code de la circonscription','Code de la commune','Abstentions','Blancs','% Blancs/Ins','% Abs/Ins','Votants','% Vot/Ins','% Blancs/Vot','% Nuls/Vot','Nuls','% Nuls/Ins','% Exp/Vot','% Exp/Ins','% Voix/Ins','% Voix/Exp'])
participation2.head(2)

	Nom	Inscrits	Exprimés	Voix
0	MACRON	47576456	31386983	20746594
1	LE PEN	47576456	31386983	10640389

participation2['ratio_inscrits'] = round((participation2['Voix'] / participation2['Inscrits'])*100,2)
participation2['ratio_exprimés'] = round((participation2['Voix'] / participation2['Exprimés'])*100,2)
participation2 = participation2.drop(columns =['Inscrits','Exprimés'])
participation2.head(2)

	Nom	Voix	ratio_inscrits	ratio_exprimés
0	MACRON	20746594	43.61	66.1
1	LE PEN	10640389	22.36	33.9

# pie chart

fig = px.pie(participation2, values='ratio_exprimés', names='Nom',width=700, height=600, hole=0.5, color = 'Nom',color_discrete_map={
                                 'MACRON':'deeppink',
                                 'LE PEN':'darkblue'})

fig.update_traces(textposition = 'inside',textfont_size=12, textinfo='percent+label',pull=[0.2,0,0,0,0,0,0,0,0,0,0],marker = dict(line=dict(color='white', width=3)))

fig.update_layout(title_text='<b>Ratio des votes/candidat au 2e Tour', title_y=0.97,title_x=0.55,title_font = dict(size=25, color='dimgray'))
fig.update_layout(legend=dict(yanchor="auto", y=0.5, xanchor="auto", x=1.3))
fig.update_layout(margin=dict(t=70, b=0, l=0, r=0))

fig.show()

# bar chart

pio.templates.default = "plotly_white"
fig = px.bar(participation2, x='Nom', y='Voix',width=800, height=500, text="Voix", labels={ "Voix": "Nombre de voix","Nom": ""},color = 'Nom',color_discrete_map={
                                 'MACRON':'deeppink',
                                 'LE PEN':'darkblue'})

fig.update_traces(textposition = 'outside',texttemplate='%{text:,}', textfont_size=12)

fig.update_layout(title_text='<b>Nombre de votes/candidat au 2e Tour', title_y=0.97,title_x=0.55,title_font = dict(size=25, color='dimgray'))
fig.update_layout(legend=dict(yanchor="auto", y=0.5, xanchor="auto", x=1.3),legend_title_text='')
fig.update_layout(separators = '.,',margin=dict(t=70, b=0, l=0, r=0))

#fig.update_layout(paper_bgcolor='rgba(0,0,0,0)',plot_bgcolor='rgba(0,0,0,0)')

fig.update_yaxes(visible=False)

fig.show()

4.5.Liste des departements avec candidats vainqueur

rank = data_p8_2tour.groupby(['Département','Code du département','Nom']).sum()
rank = rank.drop(columns =['% Nuls/Ins','Nuls','% Blancs/Vot','Code de la circonscription','Code de la commune','Inscrits','Abstentions','% Abs/Ins','Votants','% Vot/Ins','Blancs','% Blancs/Ins','% Nuls/Vot','Exprimés','% Exp/Ins','% Exp/Vot','% Voix/Ins','% Voix/Exp'])
rank = rank.reset_index(drop=False)
rank.head(2)

	Département	Code du département	Nom	Voix
0	Ain	01	LE PEN	111421
1	Ain	01	MACRON	173809

Dep = rank['Département'].unique()
len(Dep)

107

Vainqueurs = pd.DataFrame()

for i in Dep :
    each_dep = rank.loc[(rank['Département'] == i)]
    each_win = each_dep[each_dep['Voix'] == each_dep['Voix'].max()]
    Vainqueurs = Vainqueurs.append(each_win)
Vainqueurs

	Département	Code du département	Nom	Voix
1	Ain	01	MACRON	173809
2	Aisne	02	LE PEN	133939
5	Allier	03	MACRON	106579
7	Alpes-Maritimes	06	MACRON	278407
9	Alpes-de-Haute-Provence	04	MACRON	48994
11	Ardennes	08	MACRON	64424
13	Ardèche	07	MACRON	104599
15	Ariège	09	MACRON	47983
17	Aube	10	MACRON	75810
19	Aude	11	MACRON	100901
21	Aveyron	12	MACRON	109340
23	Bas-Rhin	67	MACRON	330941
25	Bouches-du-Rhône	13	MACRON	519335
27	Calvados	14	MACRON	232615
29	Cantal	15	MACRON	55411
31	Charente	16	MACRON	113700
33	Charente-Maritime	17	MACRON	215465
35	Cher	18	MACRON	90558
37	Corrèze	19	MACRON	88029
39	Corse-du-Sud	2A	MACRON	31139
41	Creuse	23	MACRON	39459
43	Côte-d'Or	21	MACRON	159645
45	Côtes-d'Armor	22	MACRON	237254
47	Deux-Sèvres	79	MACRON	135827
49	Dordogne	24	MACRON	135533
51	Doubs	25	MACRON	158304
53	Drôme	26	MACRON	157992
55	Essonne	91	MACRON	382650
57	Eure	27	MACRON	158858
59	Eure-et-Loir	28	MACRON	122420
61	Finistère	29	MACRON	371332
63	Français établis hors de France	ZZ	MACRON	496344
65	Gard	30	MACRON	194989
67	Gers	32	MACRON	67571
69	Gironde	33	MACRON	515940
71	Guadeloupe	ZA	MACRON	100635
73	Guyane	ZC	MACRON	21769
75	Haut-Rhin	68	MACRON	203599
77	Haute-Corse	2B	MACRON	35680
79	Haute-Garonne	31	MACRON	437201
81	Haute-Loire	43	MACRON	76360
83	Haute-Marne	52	MACRON	45192
85	Haute-Savoie	74	MACRON	249198
87	Haute-Saône	70	MACRON	63541
89	Haute-Vienne	87	MACRON	126418
91	Hautes-Alpes	05	MACRON	47211
93	Hautes-Pyrénées	65	MACRON	79897
95	Hauts-de-Seine	92	MACRON	590963
97	Hérault	34	MACRON	312419
99	Ille-et-Vilaine	35	MACRON	403347
101	Indre	36	MACRON	68173
103	Indre-et-Loire	37	MACRON	201211
105	Isère	38	MACRON	383197
107	Jura	39	MACRON	79268
109	La Réunion	ZD	MACRON	212081
111	Landes	40	MACRON	146619
113	Loir-et-Cher	41	MACRON	100789
115	Loire	42	MACRON	218603
117	Loire-Atlantique	44	MACRON	525200
119	Loiret	45	MACRON	195004
121	Lot	46	MACRON	67503
123	Lot-et-Garonne	47	MACRON	97418
125	Lozère	48	MACRON	26994
127	Maine-et-Loire	49	MACRON	288817
129	Manche	50	MACRON	177378
131	Marne	51	MACRON	144840
133	Martinique	ZB	MACRON	104307
135	Mayenne	53	MACRON	112192
137	Mayotte	ZM	MACRON	19140
139	Meurthe-et-Moselle	54	MACRON	198750
141	Meuse	55	MACRON	48303
143	Morbihan	56	MACRON	289594
145	Moselle	57	MACRON	282717
147	Nièvre	58	MACRON	62722
149	Nord	59	MACRON	669806
151	Nouvelle-Calédonie	ZN	MACRON	47902
153	Oise	60	MACRON	202509
155	Orne	61	MACRON	88484
157	Paris	75	MACRON	849257
158	Pas-de-Calais	62	LE PEN	382782
161	Polynésie française	ZP	MACRON	52378
163	Puy-de-Dôme	63	MACRON	219638
165	Pyrénées-Atlantiques	64	MACRON	253617
167	Pyrénées-Orientales	66	MACRON	118644
169	Rhône	69	MACRON	572015
171	Saint-Martin/Saint-Barthélemy	ZX	MACRON	5282
173	Saint-Pierre-et-Miquelon	ZS	MACRON	1467
175	Sarthe	72	MACRON	170153
177	Savoie	73	MACRON	135118
179	Saône-et-Loire	71	MACRON	166945
181	Seine-Maritime	76	MACRON	355441
183	Seine-Saint-Denis	93	MACRON	367823
185	Seine-et-Marne	77	MACRON	369762
187	Somme	80	MACRON	153393
189	Tarn	81	MACRON	125591
191	Tarn-et-Garonne	82	MACRON	71988
193	Territoire de Belfort	90	MACRON	36345
195	Val-d'Oise	95	MACRON	342018
197	Val-de-Marne	94	MACRON	419145
199	Var	83	MACRON	266724
201	Vaucluse	84	MACRON	145965
203	Vendée	85	MACRON	253914
205	Vienne	86	MACRON	143712
207	Vosges	88	MACRON	106076
209	Wallis et Futuna	ZW	MACRON	4715
211	Yonne	89	MACRON	88939
213	Yvelines	78	MACRON	503661

#Vainqueurs.to_csv("D:/DA_P8/CSV/Vainqueurs_tour2.csv",index=False,encoding='utf-8-sig')

4.6.Nombre de départements remportés par candidats

Count = Vainqueurs['Nom'].value_counts()
Count = Count.reset_index(drop=False)
Count = Count.rename(columns ={'index':'candidat'})
Count = Count.rename(columns ={'Nom':'nbr_département'})

Count

	candidat	nbr_département
0	MACRON	105
1	LE PEN	2